企业官网建设流程全解析

numpy-100 新手速查清单：zeros、arange、reshape、nonzero 等10个最高频NumPy函数用法大全

【免费下载链接】numpy-100100 numpy exercises (with solutions)项目地址: https://gitcode.com/gh_mirrors/nu/numpy-100

numpy-100 是一个包含 100 道 NumPy 练习题（附提示与完整答案）的开源练习仓库，它把邮件列表、Stack Overflow 和官方文档中的经典问题汇编成册，目标就是给新老用户一本即查即用的 NumPy 函数速查手册。下面这份清单从这 100 道题中提炼出10 个出现频率最高、最值得背下来的 NumPy 函数，每个函数配一个最小示例和对应的原题位置，帮你用最短时间建立函数索引。

准备工作：5 分钟搭好 NumPy 练习环境

仓库是只读的，先克隆到本地再练习：

git clone https://gitcode.com/gh_mirrors/nu/numpy-100

依赖非常轻，安装 requirements.txt 中的numpy、pandas、jupyter即可。仓库中的 Markdown 和 Jupyter 练习本都是从 source/exercises100.ktx 源数据由 generators.py 程序化生成的，题目带 ★ 难度星级（★☆☆ 入门 → ★★★ 进阶），非常适合新手按星推进。

10 个最高频 NumPy 函数速查表

逐个速查：最小示例 + 对应原题

1.np.zeros：一行代码创建全零数组

创建全零数组，是初始化占位、掩码、累积结果的起点：

Z = np.zeros(10) # 一维全零向量 Z[4] = 1 # 第五个位置改成 1

👉 对应原题：第 3 题 创建空向量、第 6 题 仅第 5 位为 1，答案见 100_Numpy_exercises_with_solutions.md。

2.np.arange：生成 10 到 49 的整数向量

和range类似但返回数组，支持浮点步长，是构造索引和序列的高频工具：

Z = np.arange(10, 50) # [10, 11, ..., 49]

👉 对应原题：第 7 题 创建 10–49 的向量，答案见 100_Numpy_exercises_with_solutions.md。

3.np.reshape：把一维序列折成 3x3 矩阵

reshape不改变数据，只改变"看"的形状，是矩阵题里出镜率最高的方法：

Z = np.arange(9).reshape(3, 3) # 0..8 折成 3x3

👉 对应原题：第 9 题 创建 3x3 矩阵，答案见 100_Numpy_exercises_with_solutions.md。

4.np.nonzero：定位所有非零元素的下标

过滤、统计、稀疏操作都靠它返回"哪些位置不是 0"：

nz = np.nonzero([1, 2, 0, 0, 4, 0]) # 返回下标元组 (0, 1, 4)

👉 对应原题：第 10 题 找非零元素下标，答案见 100_Numpy_exercises_with_solutions.md。

5.np.eye：一步生成单位矩阵

线性代数、归一化、矩阵运算的标配起点：

Z = np.eye(3) # 3x3 单位矩阵

👉 对应原题：第 11 题 创建 3x3 单位矩阵，答案见 100_Numpy_exercises_with_solutions.md。

6.np.linspace：在 0 到 1 之间均匀取 11 个点

绘图、采样、划分区间时用它比arange更精确（含端点可控）：

Z = np.linspace(0, 1, 11)

👉 仓库中它被广泛用于网格化题目，可参考 100_Numpy_exercises_with_solutions.md 的meshgrid组合用法。

7.np.random：随机数组是 100 题的"万能素材"

生成均匀分布随机数组，配合min()/max()/mean()做统计：

Z = np.random.random((10, 10)) Zmin, Zmax = Z.min(), Z.max() m = np.random.random(30).mean()

👉 对应原题：第 12–14 题 随机数组三件套，答案见 100_Numpy_exercises_with_solutions.md。

8.Z.sort()：原地排序，一行搞定

Z = np.random.random(10) Z.sort() # 原地升序

👉 对应原题：第 40 题 随机向量排序，答案见 100_Numpy_exercises_with_solutions.md。进阶玩法见第 59 题"按第 n 列排序"（★★☆）。

9.np.where：满足条件取一个值，否则取另一个

条件表达式、整数部分提取的"三目运算符"：

np.where(Z > 0, np.ceil(Z), np.floor(Z))

👉 相关答案见 100_Numpy_exercises_with_solutions.md。

10.mean/std：均值统计与矩阵标准化

Z = np.random.random((5, 5)) Z = (Z - Z.mean()) / Z.std() # 标准化：均值 0、标准差 1

👉 对应原题：第 14 题 求随机向量均值 与 第 22 题 归一化 5x5 矩阵，答案见 100_Numpy_exercises_with_solutions.md。

如何练习：按版本挑选适合你的练习册

仓库提供了 4 个版本的练习文档，建议按"先题后答"的顺序使用：

想动手交互练习？直接打开 100_Numpy_exercises.ipynb 在 Jupyter 里逐题作答，或用 100_Numpy_random.ipynb 随机抽题自测——抽题逻辑见 initialise.py 中的pick()函数。

小结：从速查到熟练的三步路径

1. 先背 10 个：zeros、arange、reshape、nonzero、eye、linspace、random、sort、where、mean/std——本清单覆盖它们的最小用法；
2. 再做 ★☆☆ 题：约前 35 道入门题（题目列表），巩固数组创建、索引与基础统计；
3. 挑 ★★★ 题挑战：如第 84 题"提取 3x3 连续块"、第 100 题"Bootstrap 置信区间"，把单个函数组合成真实数据处理技能。

100 道题、10 个高频函数，一份速查清单加 100 道实战练习，就是 numpy-100 给你的最短 NumPy 学习路线 🚀

【免费下载链接】numpy-100100 numpy exercises (with solutions)项目地址: https://gitcode.com/gh_mirrors/nu/numpy-100